最近的点对算法

Posted

技术标签:

【中文标题】最近的点对算法【英文标题】:Closest pair of points algorithm 【发布时间】:2012-03-13 10:07:54 【问题描述】:

我正在尝试实现该算法的更简单版本,但它比二次算法效果更好。我的想法基本上是仅通过 x 坐标对点进行排序并尝试从那里解决它。一旦我按 x 坐标对点数组进行排序,我想遍历数组并基本上跳过距离大于我所取的前两个点的点。

比如我的currentminDist = x;

如果我正在查看的两对点的距离 > x(仅通过其 x 坐标距离),我将忽略该点并在数组中移过它。

我有这个想法,但我有点坚持如何实际实现这一点(尤其是条件部分)。我有一个函数可以根据它们的 x 坐标返回两点之间的距离。

我对如何为循环实际编写条件感到困惑,因为如果距离恰好太远,我想忽略一个点,并且仍然填写我的数组,该数组将包含每个 i 的最近点的答案(我是我正在关注的当前点)。

任何提示或指示将不胜感激。我对编码算法不是很了解,所以这很令人沮丧。

这是我的部分代码:

for (i = 0; i < numofmypoints; i++)
        
            for (int j = i + 1; (j < numpofmypoints) && ((inputpoints[j].x - inputpoints[i].x) < currbest); j++ )
            
                currdist = Auxilary.distbyX(inputpoints[i],inputpoints[j]);

                if (currdist < bestdist) 
                
                 closest[i] = j;
                 bestdist = currdist;

                
            
        

distbyX 是我的函数,它只返回两点之间的距离。

谢谢!

【问题讨论】:

@Paul:你需要经常这样做吗?将您的积分存储在“四叉树”中没有帮助吗? en.wikipedia.org/wiki/Quadtree 请注意,您可能会获得比使用朴素算法更好的性能,但您仍然会是O(n^2) 为什么你的代码中有currbestbestdist?有什么区别? 【参考方案1】:

使用 KD-Tree 的快速算法 该算法创建一个 kd-tree,然后为每个点找到最接近的对。创建kd树是O(n log2n),找到一个点的最近邻是O(logn)。必须归功于Wikipedia,在一篇文章中解释了如何创建 kd-trees 以及如何使用它们来找到最近的邻居。

import java.util.*;

public class Program

    public static void main(String[] args)
    
        List<Point> points = generatePoints();
        Point[] closest = new Point[points.size()];

        KDTree tree = new KDTree(points, 0); // WILL MODIFY 'points'

        for (int i = 0; i < points.size(); i++)
        
            closest[i] = tree.findClosest(points.get(i));
        

        for (int i = 0; i < points.size(); i++)
        
            System.out.println(points.get(i) + " is closest to " + closest[i]);
        
    

    private static List<Point> generatePoints()
    
        ArrayList<Point> points = new ArrayList<Point>();
        Random r = new Random();

        for (int i = 0; i < 1000; i++)
        
            points.add(new Point(r.nextInt() % 1000, r.nextInt() % 1000));
        

        return points;
    


class Point

    public static final Point INFINITY
        = new Point(Double.POSITIVE_INFINITY,
                    Double.POSITIVE_INFINITY);

    public double[] coord; // coord[0] = x, coord[1] = y

    public Point(double x, double y)
    
        coord = new double[]  x, y ;
    

    public double getX()  return coord[0]; 
    public double getY()  return coord[1]; 

    public double distance(Point p)
    
        double dX = getX() - p.getX();
        double dY = getY() - p.getY();
        return Math.sqrt(dX * dX + dY * dY);
    

    public boolean equals(Point p)
    
        return (getX() == p.getX()) && (getY() == p.getY());
    

    public String toString()
    
        return "(" + getX() + ", " + getY() + ")";
    

    public static class PointComp implements Comparator<Point>
    
        int d; // the dimension to compare in (0 => x, 1 => y)

        public PointComp(int dimension)
        
            d = dimension;
        

        public int compare(Point a, Point b)
        
            return (int) (a.coord[d] - b.coord[d]);
        
    


class KDTree

    // 2D k-d tree
    private KDTree childA, childB;
    private Point point; // defines the boundary
    private int d; // dimension: 0 => left/right split, 1 => up/down split

    public KDTree(List<Point> points, int depth)
    
        childA = null;
        childB = null;
        d = depth % 2;

        // find median by sorting in dimension 'd' (either x or y)
        Comparator<Point> comp = new Point.PointComp(d);
        Collections.sort(points, comp);

        int median = (points.size() - 1) / 2;
        point = points.get(median);

        // Create childA and childB recursively.
        // WARNING: subList() does not create a true copy,
        // so the original will get modified.
        if (median > 0)
        
            childA = new KDTree(
                points.subList(0, median),
                depth + 1);
        
        if (median + 1 < points.size())
        
            childB = new KDTree(
                points.subList(median + 1, points.size()),
                depth + 1);
        
    

    public Point findClosest(Point target)
    
        Point closest = point.equals(target) ? Point.INFINITY : point;
        double bestDist = closest.distance(target);
        double spacing = target.coord[d] - point.coord[d];
        KDTree rightSide = (spacing < 0) ? childA : childB;
        KDTree otherSide = (spacing < 0) ? childB : childA;

        /*
         * The 'rightSide' is the side on which 'target' lies
         * and the 'otherSide' is the other one. It is possible
         * that 'otherSide' will not have to be searched.
         */

        if (rightSide != null)
        
            Point candidate = rightSide.findClosest(target);
            if (candidate.distance(target) < bestDist)
            
                closest = candidate;
                bestDist = closest.distance(target);
            
        

        if (otherSide != null && (Math.abs(spacing) < bestDist))
        
            Point candidate = otherSide.findClosest(target);
            if (candidate.distance(target) < bestDist)
            
                closest = candidate;
                bestDist = closest.distance(target);
            
        

        return closest;
    

修复问题中的代码 如果您真的不担心复杂性,那么您的代码的唯一问题是您向前看而不是向后看。只需复制内部循环并使j(i - 1) 变为0

Point[] points = sort(input());
int[] closest = new int[points.length];

for (int i = 0; i < points.length; i++)

    double bestdist = Double.POSITIVE_INFINITY;

    for (int j = i + 1; (j < points.length) && ((points[j].x - points[i].x) < bestdist); j++ )
    
        double currdist = dist(points[i], points[j]);

        if (currdist < bestdist)
        
            closest[i] = j;
            bestdist = currdist;
        
    
    for (int j = i - 1; (j >= 0) && ((points[i].x - points[j].x) < bestdist); j-- )
    
        double currdist = dist(points[i], points[j]);

        if (currdist < bestdist)
        
            closest[i] = j;
            bestdist = currdist;
        
    

【讨论】:

我不担心最坏的情况。我假设所有 x 值都是不同的。这就是为什么我想尝试按照我提出的方式解决它。你的方法很有意义,我可以使用数据结构来解决它,但我想知道它是否可以按照我描述的方式解决。我遇到了它没有计算所有点的最近点的问题,它只计算其中一些点,其余的都是一遍又一遍地重复的同一个点。所以这就是为什么我想看看我是否在某个地方出错了。 经典的“最近点对”问题是找到彼此最接近的点对。直到现在我才意识到你的问题是一个不同的问题 - 为每个点找到最近的邻居。想到算法后,我会尽快更新答案。 @Paul:我想不出办法将你的扫描线提高到 O(good),所以我使用了 kd-tree。 啊,是的,我查看了 kd 树的实现。我在使用数据结构时使用了四叉树来解决它。但是我想实现一个更简单的扫描线算法,但我不知道为什么我的数组没有被填写。现在看来,这很有意义。

以上是关于最近的点对算法的主要内容,如果未能解决你的问题,请参考以下文章

最近的点对算法

平面最近点对的算法实现

我可以计算距离严格小于 delta 的最近分割点对吗

找到两组矩阵之间最近的点对

最近对算法

平面最近点对问题